Nhiều người bắt đầu làm luận văn theo một cách khá quen: chọn một chủ đề mình quan tâm, đọc vài chục tài liệu, rồi cố nghĩ ra một câu hỏi nghe có vẻ “học thuật”. Cách này không hẳn sai, nhưng rất dễ dẫn đến một tình huống khó chịu: càng đọc càng thấy đề tài rộng, càng viết càng không biết chính xác mình đang muốn chứng minh điều gì.
Một nghiên cứu tốt thường không bắt đầu từ một câu hỏi hoa mỹ. Nó bắt đầu từ một vấn đề đủ rõ: chúng ta đã biết điều gì, còn chưa biết điều gì, và phần chưa biết đó có đáng để nghiên cứu hay không.
Research Question, hay câu hỏi nghiên cứu, chính là điểm nối giữa vấn đề đó với toàn bộ phần còn lại của nghiên cứu. Nó quyết định bạn cần đọc loại tài liệu nào, cần dữ liệu gì, nên dùng phương pháp nào, phân tích theo hướng nào và cuối cùng có thể kết luận đến đâu.
Nếu câu hỏi nghiên cứu sai ngay từ đầu, việc dùng SPSS, R, phỏng vấn sâu hay một mô hình thống kê phức tạp hơn cũng không cứu được nghiên cứu.
Research Question không phải là tên đề tài
Giả sử bạn quan tâm đến trí tuệ nhân tạo trong giáo dục.
“AI trong giáo dục đại học” là một chủ đề.
“AI ảnh hưởng đến việc học của sinh viên như thế nào?” đã giống một câu hỏi hơn, nhưng vẫn quá rộng để trở thành một Research Question tốt.
Bạn chưa biết “AI” ở đây là ChatGPT, công cụ chấm bài tự động hay hệ thống học tập thích ứng. “Việc học” cũng chưa rõ là điểm số, khả năng viết, khả năng tư duy phản biện hay mức độ ghi nhớ. Sinh viên ở đâu, ngành nào, trong khoảng thời gian nào cũng chưa xác định.
Một phiên bản rõ hơn có thể là:
Việc sử dụng công cụ AI tạo sinh để nhận phản hồi cho bản nháp có liên quan như thế nào với sự thay đổi điểm kỹ năng viết học thuật của sinh viên năm nhất trong một học kỳ?
Câu hỏi này chưa chắc đã hoàn hảo, nhưng nó đã cho người đọc biết khá nhiều thứ: đối tượng nghiên cứu là sinh viên năm nhất, hành vi cần quan sát là việc sử dụng AI để nhận phản hồi, kết quả cần đo là kỹ năng viết và thời gian quan sát là một học kỳ.
Chỉ riêng việc viết câu hỏi rõ đến mức đó đã giúp bạn loại bỏ rất nhiều hướng nghiên cứu không cần thiết.
Một câu hỏi nghiên cứu tốt cần trả lời được ba việc
Trước khi nghĩ đến PICO, FINER hay bất kỳ công thức nào, hãy tự kiểm tra ba câu đơn giản.
Thứ nhất, bạn muốn biết chính xác điều gì?
Thứ hai, loại dữ liệu nào có thể giúp bạn trả lời điều đó?
Thứ ba, nếu trả lời được thì kiến thức, thực hành hoặc quyết định nào sẽ thay đổi?
Nếu câu hỏi thứ nhất còn mơ hồ, đề tài chưa đủ rõ.
Nếu câu hỏi thứ hai không trả lời được, nghiên cứu có thể không khả thi.
Nếu câu hỏi thứ ba không có câu trả lời thuyết phục, vấn đề có thể chưa đủ quan trọng để trở thành một nghiên cứu độc lập.
Đây là điểm nhiều luận văn gặp vấn đề. Một đề tài có thể rất mới về mặt địa điểm nhưng chưa chắc mới về mặt học thuật.
Ví dụ:
Chưa có nghiên cứu nào về chủ đề này tại tỉnh X.
Câu này tự nó chưa tạo ra Research Gap.
Bạn cần nói rõ tại sao tỉnh X đáng nghiên cứu. Cấu trúc kinh tế khác? Hệ thống giáo dục khác? Đặc điểm nhân khẩu khác? Chính sách địa phương khác? Hay bạn kỳ vọng một cơ chế nào đó hoạt động khác tại đây?
Nếu đổi địa điểm nhưng mọi logic lý thuyết đều giữ nguyên, đóng góp của nghiên cứu có thể rất hạn chế.
Bắt đầu từ Research Problem trước khi viết Research Question
Một cách làm hiệu quả là chưa viết câu hỏi ngay. Trước tiên hãy viết một đoạn khoảng ba câu.
Câu thứ nhất: điều gì đã được biết khá chắc chắn?
Câu thứ hai: điều gì vẫn chưa rõ hoặc còn tranh luận?
Câu thứ ba: vì sao phần chưa rõ đó đáng nghiên cứu?
Ví dụ trong lĩnh vực giáo dục:
Nhiều nghiên cứu cho thấy AI tạo sinh đang được sinh viên sử dụng trong quá trình viết học thuật. Tuy nhiên, kết quả về việc AI cải thiện hay làm suy giảm chất lượng lập luận vẫn chưa nhất quán, một phần vì nhiều nghiên cứu chỉ đo mức độ sử dụng AI chứ không phân biệt mục đích sử dụng. Việc tách riêng hành vi sử dụng AI để tạo nội dung và sử dụng AI để nhận phản hồi có thể giúp giải thích sự khác biệt này.
Từ đoạn đó, một Research Question hợp lý sẽ dễ xuất hiện hơn:
Việc sử dụng AI tạo sinh để nhận phản hồi cho bản nháp có liên quan như thế nào với chất lượng lập luận trong bài viết học thuật của sinh viên?
Lúc này câu hỏi không còn được “nghĩ ra” một cách ngẫu nhiên. Nó xuất phát trực tiếp từ vấn đề nghiên cứu.
Xác định bạn đang hỏi loại câu hỏi nào
Không phải mọi Research Question đều giống nhau.
Có câu hỏi chỉ muốn mô tả một hiện tượng.
Có câu hỏi muốn so sánh hai nhóm.
Có câu hỏi muốn kiểm tra mối liên hệ.
Có câu hỏi muốn xác định quan hệ nhân quả.
Có câu hỏi muốn hiểu trải nghiệm, cách lý giải hoặc động cơ của con người.
Sự khác biệt này rất quan trọng vì ngôn ngữ bạn dùng trong câu hỏi phải phù hợp với thiết kế nghiên cứu.
Ví dụ:
Việc sử dụng TikTok ảnh hưởng đến niềm tin chính trị của sinh viên như thế nào?
Câu này sử dụng từ “ảnh hưởng”, tức là đang hàm ý quan hệ nhân quả.
Nhưng nếu bạn chỉ thực hiện một khảo sát cắt ngang, đo mức độ sử dụng TikTok và mức độ tin tưởng chính trị tại một thời điểm, dữ liệu của bạn chủ yếu cho thấy mối liên hệ. Nó chưa đủ để chứng minh TikTok gây ra sự thay đổi về niềm tin.
Trong trường hợp đó, câu hỏi nên được viết thận trọng hơn:
Mức độ tiếp xúc với nội dung chính trị trên TikTok có liên quan như thế nào với mức độ tin tưởng vào các thể chế công của sinh viên đại học?
Chỉ một thay đổi nhỏ về từ ngữ nhưng nó làm cho câu hỏi phù hợp hơn nhiều với khả năng của dữ liệu.
Đây cũng là một nguyên tắc quan trọng trong nghiên cứu: đừng để cách viết của Research Question hứa hẹn nhiều hơn những gì thiết kế nghiên cứu thực sự có thể trả lời.
PICO có hữu ích không?
Có, nhưng không phải lúc nào cũng nên dùng.
PICO thường gồm Population, Intervention, Comparator và Outcome. Nó đặc biệt hữu ích trong nghiên cứu y khoa, nghiên cứu can thiệp và systematic review về hiệu quả can thiệp.
Ví dụ:
Ở người trưởng thành mắc tăng huyết áp độ 1, việc tự theo dõi huyết áp tại nhà bằng ứng dụng, so với chăm sóc thông thường, có làm giảm huyết áp tâm thu trung bình sau sáu tháng hay không?
Trong câu hỏi này:
Population là người trưởng thành mắc tăng huyết áp độ 1.
Intervention là theo dõi huyết áp bằng ứng dụng.
Comparator là chăm sóc thông thường.
Outcome là huyết áp tâm thu.
Nếu thêm thời gian theo dõi, nhiều tài liệu sẽ gọi cấu trúc đó là PICOT.
PICO rất hữu ích khi vấn đề của bạn thực sự có cấu trúc như vậy. Nhưng nếu bạn đang nghiên cứu trải nghiệm của nghiên cứu sinh khi sử dụng AI, hoặc muốn phân tích cách các quốc gia ASEAN phản ứng với cạnh tranh Mỹ Trung, cố ép câu hỏi vào PICO sẽ không giúp ích nhiều.
Với scoping review, JBI thường sử dụng PCC gồm Population, Concept và Context.
Với nghiên cứu định tính hoặc tổng hợp bằng chứng định tính, SPIDER có thể phù hợp hơn.
Điểm quan trọng không phải nhớ nhiều chữ viết tắt. Điều quan trọng là chọn khung phù hợp với bản chất câu hỏi.
FINER là một cách kiểm tra khá hữu ích
Một Research Question nghe hay chưa chắc đã làm được.
FINER là một khung khá đơn giản để kiểm tra điều đó. Nó gồm Feasible, Interesting, Novel, Ethical và Relevant.
Feasible nghĩa là có khả thi không.
Bạn có đủ thời gian không? Có tiếp cận được mẫu không? Có dữ liệu không? Có đủ kỹ năng phân tích không?
Một câu hỏi đòi theo dõi người tham gia trong năm năm có thể rất hay, nhưng không phù hợp với luận văn thạc sĩ chỉ có mười hai tháng để hoàn thành.
Interesting nghĩa là câu hỏi có đáng quan tâm không.
Không nhất thiết tất cả mọi người phải quan tâm, nhưng ít nhất phải có một cộng đồng học thuật, nhóm nghề nghiệp hoặc nhóm ra quyết định coi kết quả là hữu ích.
Novel không có nghĩa là chưa từng có ai trên thế giới nghiên cứu.
Một nghiên cứu vẫn có thể mới nếu sử dụng dữ liệu tốt hơn, phương pháp tốt hơn, kiểm tra một cơ chế mới, đối chiếu hai lý thuyết hoặc thực hiện một replication có lý do rõ ràng.
Ethical là yếu tố đạo đức.
Một câu hỏi có thể hấp dẫn về mặt khoa học nhưng không thể được thực hiện nếu gây rủi ro không hợp lý cho người tham gia hoặc yêu cầu thu thập dữ liệu quá nhạy cảm mà không có biện pháp bảo vệ phù hợp.
Relevant là câu hỏi có ý nghĩa gì.
Nếu nghiên cứu hoàn thành, kết quả có giúp chúng ta hiểu vấn đề tốt hơn không? Có thay đổi cách đo lường, cách xây dựng lý thuyết, cách thiết kế chính sách hay cách thực hành không?
Nếu một Research Question không vượt qua được FINER, cách tốt nhất thường là sửa câu hỏi chứ không phải cố ép nghiên cứu tiếp tục.
Từ câu hỏi đến dữ liệu
Một bài kiểm tra rất thực tế là hãy tưởng tượng ngày mai có một bộ dữ liệu hoàn hảo được gửi cho bạn.
Bạn muốn trong bộ dữ liệu đó có những gì?
Nếu câu hỏi là:
Mức độ phụ thuộc thương mại vào Trung Quốc có liên quan như thế nào với lựa chọn chính sách đối ngoại của các quốc gia ASEAN?
Bạn sẽ cần dữ liệu về thương mại, có thể là tỷ trọng xuất nhập khẩu với Trung Quốc.
Nhưng “lựa chọn chính sách đối ngoại” được đo thế nào?
Bằng phiếu biểu quyết tại Liên Hợp Quốc?
Bằng phát biểu chính thức?
Bằng thỏa thuận quốc phòng?
Bằng phản ứng trước tranh chấp Biển Đông?
Nếu chưa xác định được điều đó, Research Question của bạn vẫn chưa đủ rõ.
Đây là lý do nên nghĩ đến operationalization khá sớm. Bạn chưa cần quyết định toàn bộ mô hình thống kê, nhưng phải hình dung được bằng chứng nào có thể trả lời câu hỏi.
Với nghiên cứu định tính cũng tương tự.
Nếu muốn hỏi:
Nghiên cứu sinh trải nghiệm áp lực công bố quốc tế như thế nào?
Bạn phải nghĩ xem ai cần được phỏng vấn, bối cảnh nào cần được quan sát, sự khác biệt nào giữa các nhóm người tham gia có thể quan trọng và dữ liệu nào giúp phân biệt các cách giải thích khác nhau.
Câu hỏi cho luận văn và câu hỏi cho bài báo không hoàn toàn giống nhau
Luận văn thường có không gian lớn hơn.
Bạn có thể có một câu hỏi chính và một số câu hỏi phụ, miễn là chúng cùng phục vụ một vấn đề trung tâm.
Bài báo thì thường cần tập trung hơn.
Một manuscript tốt thường có một thông điệp chính rất rõ. Nếu một bài cố cùng lúc trả lời bốn câu hỏi lớn, sử dụng ba lý thuyết và năm nhóm biến, người đọc rất dễ mất phương hướng.
Ví dụ một luận văn có thể nghiên cứu rộng về:
Việc sử dụng AI tạo sinh ảnh hưởng như thế nào đến hoạt động viết học thuật của sinh viên đại học?
Từ luận văn đó có thể phát triển nhiều bài báo riêng.
Một bài nghiên cứu mối liên hệ giữa AI và chất lượng lập luận.
Một bài khác nghiên cứu thái độ của sinh viên đối với AI.
Một bài khác phân tích sự khác biệt giữa các nhóm ngành.
Không nhất thiết mỗi luận văn phải được ép thành một bài báo duy nhất.
Ba ví dụ về cách cải thiện Research Question
Trong y khoa, một câu hỏi như:
Telemedicine có hiệu quả không?
gần như chưa đủ thông tin để thiết kế nghiên cứu.
Phiên bản tốt hơn có thể là:
Ở người trưởng thành mắc đái tháo đường type 2 đang điều trị ngoại trú, telemedicine kết hợp theo dõi đường huyết từ xa, so với chăm sóc thông thường, có làm giảm HbA1c sau sáu tháng không?
Trong giáo dục:
AI có giúp sinh viên học tốt hơn không?
quá rộng.
Có thể viết lại:
Trong sinh viên năm nhất, tần suất sử dụng AI tạo sinh để nhận phản hồi cho bản nháp có liên quan như thế nào với mức thay đổi điểm kỹ năng viết học thuật trong một học kỳ?
Trong khoa học chính trị:
Cạnh tranh Mỹ Trung ảnh hưởng ASEAN như thế nào?
cũng là một câu hỏi rất lớn.
Một phiên bản nghiên cứu được hơn:
Mức độ phụ thuộc thương mại vào Trung Quốc và mức độ phụ thuộc an ninh vào Hoa Kỳ có liên quan như thế nào với lựa chọn chính sách đối ngoại của các quốc gia ASEAN trong các tranh chấp hàng hải giai đoạn 2016 đến 2026?
Câu hỏi cuối vẫn cần tiếp tục được operationalize, nhưng ít nhất người nghiên cứu đã biết mình cần so sánh những gì.
Những lỗi thường gặp khi đặt Research Question
Có một số lỗi xuất hiện rất thường xuyên trong luận văn.
Thứ nhất là câu hỏi quá rộng.
Nếu bạn cần một chương sách để giải thích câu hỏi nghĩa là gì thì scope có thể đang quá lớn.
Thứ hai là có quá nhiều biến và quá nhiều mục tiêu.
Một câu hỏi gồm ba chữ “và”, năm outcome và bốn nhóm đối tượng thường là dấu hiệu nghiên cứu đang cố làm quá nhiều việc cùng lúc.
Thứ ba là dùng từ nhân quả khi thiết kế không thể chứng minh nhân quả.
Đây là lỗi đặc biệt phổ biến trong nghiên cứu sử dụng khảo sát.
Thứ tư là coi “chưa có nghiên cứu ở địa phương X” như một contribution tự động.
Địa điểm mới chỉ tạo ra đóng góp khi có lý do học thuật để kỳ vọng kết quả hoặc cơ chế khác.
Thứ năm là chọn câu hỏi theo dữ liệu tiện có.
Nếu bạn có một dataset gồm 20 biến, điều đó không có nghĩa bạn phải tìm một Research Question để tận dụng hết 20 biến đó.
Research Question nên dẫn dắt lựa chọn dữ liệu, không nên bị dữ liệu kéo đi hoàn toàn.
Một cách đơn giản để tự kiểm tra câu hỏi trước khi chốt
Trước khi gửi proposal cho giảng viên hướng dẫn hoặc bắt đầu thu thập dữ liệu, bạn có thể tự kiểm tra:
- Tôi có thể giải thích vấn đề nghiên cứu trong ba câu không?
- Tôi biết phần nào trong tài liệu hiện có vẫn chưa được giải quyết không?
- Đối tượng hoặc đơn vị phân tích đã rõ chưa?
- Tôi biết chính xác mình muốn mô tả, so sánh, kiểm tra liên hệ hay kiểm tra quan hệ nhân quả không?
- Các khái niệm chính có thể đo lường hoặc quan sát được không?
- Tôi có thực sự tiếp cận được dữ liệu cần thiết không?
- Phương pháp dự kiến có khả năng trả lời câu hỏi này không?
- Câu hỏi có quá rộng so với thời gian và nguồn lực không?
- Nếu kết quả ngược với kỳ vọng ban đầu, nghiên cứu vẫn có giá trị không?
- Nếu trả lời được câu hỏi, chúng ta sẽ hiểu vấn đề tốt hơn ở điểm nào?
Nếu bạn không trả lời được vài câu trong số này, chưa cần hoảng. Điều đó thường chỉ có nghĩa Research Question vẫn cần được chỉnh thêm.
Nên viết Research Question dài bao nhiêu?
Không có độ dài cố định.
Một câu hỏi tốt có thể chỉ dài một câu.
Điều quan trọng là nó đủ rõ để người đọc biết bạn đang nghiên cứu điều gì nhưng không biến thành cả một đoạn mô tả phương pháp.
Bạn có thể bắt đầu bằng một cấu trúc tạm thời như:
Trong [đối tượng hoặc bối cảnh], [hiện tượng, phơi nhiễm hoặc can thiệp] có liên quan như thế nào với [kết quả], so với [đối tượng so sánh nếu cần], trong [thời gian nếu cần]?
Sau đó hãy bỏ những thành phần không cần thiết.
Research Question không cần trông “phức tạp” để trở thành một câu hỏi tốt.
Thực tế, những câu hỏi mạnh thường khá dễ hiểu.
Điều quan trọng nhất là sự ăn khớp
Một Research Question tốt không tồn tại độc lập.
Nó phải ăn khớp với Research Gap.
Research Gap phải ăn khớp với thiết kế.
Thiết kế phải tạo ra loại dữ liệu cần thiết.
Dữ liệu phải cho phép thực hiện phân tích phù hợp.
Và phân tích chỉ nên dẫn đến những kết luận mà thiết kế thực sự hỗ trợ.
Đây là chuỗi logic quan trọng hơn bất kỳ công thức viết câu hỏi nào.
Bạn có thể nhớ đơn giản:
Research Gap → Research Question → Research Design → Data → Analysis → Conclusion
Nếu một mắt xích không khớp với mắt xích tiếp theo, hãy sửa từ sớm.
Chỉnh một Research Question trước khi bắt đầu nghiên cứu chỉ mất vài giờ hoặc vài ngày. Phát hiện sau sáu tháng rằng dữ liệu đã thu thập không thể trả lời câu hỏi ban đầu sẽ tốn kém hơn rất nhiều.
Tài liệu tham khảo
Farrugia, P., Petrisor, B. A., Farrokhyar, F., & Bhandari, M. (2010). Research questions, hypotheses and objectives. Canadian Journal of Surgery, 53(4), 278–281.
Fandino, W. (2019). Formulating a good research question: Pearls and pitfalls. Indian Journal of Anaesthesia, 63(8), 611–616. https://doi.org/10.4103/ija.IJA_198_19
Covvey, J. R., McClendon, C., & Gionfriddo, M. R. (2024). Back to the basics: Guidance for formulating good research questions. Research in Social and Administrative Pharmacy, 20(1), 66–69. https://doi.org/10.1016/j.sapharm.2023.09.009
Rios, L. P., Ye, C., & Thabane, L. (2010). Association between framing of the research question using the PICOT format and reporting quality of randomized controlled trials. BMC Medical Research Methodology, 10, 11. https://doi.org/10.1186/1471-2288-10-11
Cooke, A., Smith, D., & Booth, A. (2012). Beyond PICO: The SPIDER tool for qualitative evidence synthesis. Qualitative Health Research, 22(10), 1435–1443. https://doi.org/10.1177/1049732312452938
Cochrane. Cochrane Handbook for Systematic Reviews of Interventions. Phần xây dựng câu hỏi review và tiêu chí PICO.
JBI. JBI Manual for Evidence Synthesis. Phần xây dựng câu hỏi và eligibility criteria theo Population, Concept và Context.
◉ 0 Thảo luận Khoa học